导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.6 Sol vs Qwen: Qwen3.6 35B A3B

摘要

GPT-5.6 Sol vs Qwen3.6 35B A3B (medium) benchmark 对比：Qwen3.6 35B A3B (medium) 平均分领先，为 6.7 vs 6.3。 Qwen3.6 35B A3B (medium) benchmark 成本更低，为 $0.146 vs $0.225。 GPT-5.6 Sol 更快，为 1.66s vs 18.08s，通过率为 57.1% vs 63.5%。

推荐模型: GPT-5.6 Sol - 它的得分接近这里的最高分（6.3 vs 6.7），同时响应速度比Qwen3.6 35B A3B (medium)快约 10.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.6 Sol GPT-5.6 Sol none 发布日期: 2026-07-09 Qwen3.6 35B A3B Qwen3.6 35B A3B medium 发布日期: 2026-04-20
分数 6.3 6.7
排名 #101 #88
可靠性 10.0 10.0
一致性 9.0 9.6
测试正确
尝试通过率 57.1% 63.5%
不稳定测试 3 1
总运行次数 63 63
每个结果成本 2.244 1.094
总成本 $0.225 $0.146
输入价格 $5.000 / 1M $0.140 / 1M
输出价格 $30.000 / 1M $1.000 / 1M
总输入令牌 34,218 16,385
输出令牌 1,776 19,632
推理令牌 0 130,219
响应时间（平均） 1.66s 18.08s
响应时间（最大） 3.93s 86.11s
响应时间（总计） 34.81s 343.61s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#101 GPT-5.6 Sol

none
成本
$0.116
时间
78.7s
令牌
3,944 tok

#88 Qwen3.6 35B A3B

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 8.3 10.0 75.0% 0 1.27s 606 154 0
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 6.02s 672 1,154 12,385
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 5.5 10.0 33.3% 0 1.39s 7,302 390 0
Qwen3.6 35B A3B 7.7 10.0 66.7% 0 50.55s 5,051 7,929 37,223
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 3.0 10.0 0.0% 0 3.93s 11,019 300 0
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 0ms 0 0 0
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 10.0 10.0 100.0% 0 1.53s 7,140 222 0
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 12.99s 7,776 2,591 9,968
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 3.6 7.2 22.2% 1 1.43s 723 54 0
Qwen3.6 35B A3B 5.3 7.2 44.4% 1 22.50s 771 6,193 39,116
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 6.5 3.4 66.7% 1 1.52s 477 91 0
Qwen3.6 35B A3B 4.4 9.9 0.0% 0 8.66s 516 129 4,569
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 8.5 6.8 83.3% 1 1.33s 660 84 0
Qwen3.6 35B A3B 10.0 10.0 100.0% 0 7.50s 699 219 7,404
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 7.7 10.0 66.7% 0 1.49s 642 211 0
Qwen3.6 35B A3B 8.0 10.0 66.7% 0 5.95s 696 655 9,228
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 10.0 10.0 100.0% 0 3.70s 5,454 246 0
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 0ms 0 0 0
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.6 Sol 3.0 10.0 0.0% 0 1.95s 195 24 0
Qwen3.6 35B A3B 3.0 10.0 0.0% 0 32.90s 204 762 10,326

快速对比

切换对比组合

Nemotron 3 Supermedium免费可用vsGPT-5.6 SolnoneGemma 4 31Bmedium免费可用vsGPT-5.6 SolnoneGPT-5.6 SolnonevsQwen3.5-35B-A3BmediumGemini 3.5 FlashminimalvsQwen3.6 35B A3BmediumGemini 3.1 Flash LitelowvsGPT-5.6 SolnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.6 SolnoneGemini 3 Flash PreviewnonevsQwen3.6 35B A3BmediumGemini 3.1 Flash LiteminimalvsGPT-5.6 SolnoneGemini 3.1 Flash Lite PreviewlowvsQwen3.6 35B A3BmediumGemini 3.5 FlashnonevsQwen3.6 35B A3BmediumGPT-5.6 SolnonevsQwen3.6 27BmediumGemini 3.1 Flash Lite PreviewnonevsQwen3.6 35B A3Bmedium